用途：该技能用于生成非语音类音频成品，包括音效、拟音、转场、撞击、质感、环境声，以及音乐、配乐、背景乐、短曲和歌曲。旁白、对白或角色说话应改用 creativeclaw-generate-voiceover，因为 generate_speech 与 generate_audio 使用不同的服务端点与参数约定。
主要能力与路由：音效/拟音/环境声使用 generate_audio 搭配模型 sfx/elevenlabs-sound-v2；音乐使用 generate_audio 搭配模型 music/elevenlabs-music-v1。把单个音频加入视频使用 merge_media 的 operation: "merge_audio_video"；把多段音频依次连接使用 merge_media 的 operation: "merge_audios"。注意 merge_audios 是顺序拼接，不是叠加混音，不会把旁白、音乐和音效分层混合。
使用方式：先判断请求属于语音、音效、环境声还是音乐，明确时长以及是否需要循环、干净收尾、含人声或与画面匹配。用 list_models({ category: "audio" }) 发现模型，用 get_model_params 获取缺失参数。需要灵感时用 creativeclaw-find-examples 搭配 output_type: "audio" 并加载示例，否则直接撰写制作提示词。仅当用户询问费用/余额或有预算约束时，才用 estimate_generation 搭配 operation: "audio"。调用 generate_audio；每个变体单独生成以便试听。
音效参数：prompt 描述可听事件或环境；duration_seconds 可选，范围 0.5–30，自然长度更重要时可省略；loop: true 请求无缝环境或质感循环，循环提示词应避免一次性起音和已解决的结尾；prompt_influence 取 0–1，数值越高越贴合措辞；output_format 使用 get_model_params 返回的受支持格式，默认通常为 MP3。
音乐参数：prompt 描述音乐结果，上限 4,100 字符；music_length_ms 取 3,000–600,000，省略时 Creative Claw 默认 30,000 毫秒，需匹配视频或剪辑时应显式设置；force_instrumental 在 Creative Claw 中默认 true，只有需要人声时才设为 false 并在提示词中描述人声角色。仅提示词音乐可用文字描述结构，不要臆造 composition_plan 字段。
检查与限制：试听时关注时序、非预期人声、削波、噪声、循环接缝、结尾薄弱以及是否匹配所述空间与强度，并据此修改提示词。保留已批准的永久音频 URL，必要时命名和打标签。组合片段或给视频加音频前先阅读 media-assembly.md，核对时长、遵循 merge 续接，并用 check_job 解决所需合并。返回时应说明生成内容、模型、时长设置以及是否循环或含人声。资料未提供价格与具体授权细节。